چکیده
یکی از پرکاربردترین الگوهای پیش‌بینی سری زمانی طی سه دهه اخیر، الگوی خود توضیح جمعی میانگین متحرک (ARIMA) می‌باشد. مطالعات اخیر در زمینه پیش‌بینی با شبکه عصبی مصنوعی مؤید برتری این روش بر الگوهای خطی سنتی است. این در حالی است که هیچ‌یک از این روش‌ها از کفایت لازم در پیش‌بینی سری‌های زمانی برخوردار نمی‌باشند. زیرا الگوی ARIMA توانایی شناخت روابط غیرخطی را نداشته و ANN به تنهایی قادر به شناسایی و بررسی هم زمان هر دو الگوی خطی و غیرخطی نمی‌باشد. از این رو با ترکیب الگوهایARIMA و ANN و طراحی الگوی تلفیقی روابط موجود در داده‌ها با دقت بیشتری الگوسازی می‌شود. در مطالعه حاضر، الگوی تلفیقی ARIMA و ANN طراحی و دقت پیش‌بینی آن با الگوهای رقیب مقایسه شده‌است. دقت پیش‌بینی الگوها با استفاده از معیارهای معمول نظیر MSE، RMSE و MAE و همچنین معنی‌داری اختلاف میان معیارهای فوق با استفاده از آماره گرنجر و نیوبولد بررسی و آزمون شد. نتایج پیش‌بینی‌های قیمت گندم حاکی از آن است که الگوی تلفیقی به‌طور معنی‌داری دقت پیش‌بینی به‌دست آمده از الگوهای انفرادی را افزایش می‌دهد.
واژه‌های کلیدی: الگوی خود توضیح جمعی میانگین متحرک، الگوی تلفیقی، پیش‌بینی سری زمانی، شبکه عصبی مصنوعی
)
ارسال نظر در مورد این مقاله